基于稳健单变量分析的驾驶员疲劳脑电信号检测
应用统计
2020-01-01 v1 信号处理
统计方法学
摘要
驾驶员疲劳是交通事故的主要原因之一，而脑电图（EEG）被认为是疲劳最可靠的预测指标之一。本文提出一种新颖、简单且快速的驾驶员疲劳检测方法，可通过头皮上的单通道在实时系统中实现。该基于EEG信号稳健单变量分析的方法由两个阶段组成。首先，根据最大方差从原始EEG中选出最显著的通道。第二阶段，将使用该单通道通过提取四个特征参数来检测疲劳EEG信号。其中两个参数由稳健单变量分析估计，即均值与协方差；另两个经典统计参数如方差与协方差，用于调节稳健分析。接下来，使用集成装袋决策树分类器来区分疲劳信号与警觉信号。所提算法在江西理工大学数据库的24个EEG信号上进行了验证，仅使用所发现的最显著通道（位于左颞顶区，该区域共享空间意识与视觉空间导航功能），准确率达92.7%，时延为1.8秒。
引用
@article{arxiv.1912.13351,
title = {Driver fatigue EEG signals detection by using robust univariate analysis},
author = {Antonio Quintero-Rincon and Maria Eugenia Fontecha and Carlos D'Giano},
journal= {arXiv preprint arXiv:1912.13351},
year = {2020}
}
备注
9 pages, 4 figures, 1 table, conference paper